【技术实现步骤摘要】
本专利技术涉及一种基于互相关卷积网络的地震相识别方法和系统，属于结合人工智能算法的地球物理勘探。
技术介绍
1、地震相是沉积相在地震剖面上表现的总和，是由沉积环境所形成的地震特征，是指一定面积内的地震反射单元，该地震反射单元的地震属性参数与相邻单元的地震属性参数不同，其可以代表产生反射的沉积物的岩性。地震相分析是在划分地震层序的基础上，利用地震参数特征上的差异，将地震层序划分为不同的地震相区，然后作出岩相和沉积环境的推断。现有的地震相解释过程非常复杂，其精度依赖于解释人员的专业知识和经验，不同的解释人员得出的解释往往存在一定区别，即使同一解释人员不同时间得出的解释也不尽相同。且地震相解释的数据非常多，需要耗费大量的时间、精力，缺少时效性。
2、随着人工智能领域的发展，将人工智能算法模型用于地震相识别已经得到了广泛应用。例如将计算机视觉领域的语义分割技术与地震数据分析结合，进行地震相识别。但现有的人工智能地震相识别方法中存在不少问题：现有技术的模型通常只对一个尺寸的图像有较好的识别效果，对其它尺寸的图像则识别效果不佳；地震相识...
【技术保护点】
1.一种基于互相关卷积网络的地震相识别方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于互相关卷积网络的地震相识别方法，其特征在于，所述委员会机制模型由K-最近邻法、BP神经网络和支持向量机模型三个专家模型构成，通过朴素贝叶斯算法随机搜索所述三个专家模型的权重的最优解，根据所述最优解，对所述三个专家模型的输出结果进行加权求和，得到所述委员会机制模型的输出结果。
3.如权利要求1所述的基于互相关卷积网络的地震相识别方法，其特征在于，将所述地震数据进行形态学处理的方法为：
4.如权利要求1所述的基于互相关卷积网络的地震相识别方...
【技术特征摘要】
1.一种基于互相关卷积网络的地震相识别方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于互相关卷积网络的地震相识别方法，其特征在于，所述委员会机制模型由k-最近邻法、bp神经网络和支持向量机模型三个专家模型构成，通过朴素贝叶斯算法随机搜索所述三个专家模型的权重的最优解，根据所述最优解，对所述三个专家模型的输出结果进行加权求和，得到所述委员会机制模型的输出结果。
3.如权利要求1所述的基于互相关卷积网络的地震相识别方法，其特征在于，将所述地震数据进行形态学处理的方法为：
4.如权利要求1所述的基于互相关卷积网络的地震相识别方法，其特征在于，所述生成对抗网络包括生成模型和判别模型，随机噪声输入所述生成器生成噪声信号，所述噪声信号与地震数据输入所述判别模型，所述判别模型用于判断所述地震信号的真假，生成模型和判别模型均由若干去除了全连接层的卷积网络组成。
5.如权利要求4所述的基于互相关卷积网络的地震相识别方法，其特征在于，所述生成模型的输出层采用tanh函数作为激活函数，所述生成对抗网络中的其余层均采用relu函数作为激活函数，所述生成对抗网络为条件生成对抗网络，所述条件生成对抗网络通过学习结构化的损失函数，对输出的节点构造进行惩罚。
6.如权利要求5所述的基于互相关卷积网络的地震相识别方法，其特征在于，所述条件生成对抗网络包括：第一生成器、第二生成器、第一判别器和第二判别器，将地震信息与随机噪声拼接后生成第...
【专利技术属性】
技术研发人员：张金淼，朱振宇，杜向东，薛东川，王建花，刘子淳，孙文博，魏倩倩，张玉华，汪小将，陶杰，
申请(专利权)人：中国海洋石油集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。